Том 37, номер 12, статья № 9

Аннотация:

Представлена система прогноза переноса и трансформации загрязняющих веществ в атмосфере с использованием химико-транспортной модели CHIMERE, учитывающей эмиссии от стационарных, аварийных и подвижных источников. Прогноз метеорологических полей выполнялся с помощью региональной негидростатической модели циркуляции атмосферы высокого разрешения WRF-ARW. Система полностью автоматизирована, что позволяет использовать ее в качестве инструмента для получения оперативной информации в работе ситуационных центров и центров принятия решений в случае аварийных ситуаций на производстве, чрезвычайных ситуаций природного или техногенного характера. Результаты тестирования системы показали ее работоспособность, возможность использования в оперативной и исследовательской работе, а также при разработке сценариев вероятного развития аварийных или чрезвычайных ситуаций в любой точке на территории страны, что способствует реализации мероприятий по ликвидации последствий аварий.

Ключевые слова:

прогноз загрязнения атмосферы, химическая транспортная модель, перенос аварийных выбросов, модель атмосферы

Иллюстрации:

Список литературы:

1. Kukkonen J., Olsson T., Schultz D.M., Baklanov A., Klein T., Miranda A.I., Monteiro A., Hirtl M., Tarvainen V., Boy M., Peuch V.-H., Poupkou A., Kioutsioukis I., Finardi S., Sofiev M., Sokhi R., Lehtinen K.E.J., Karatzas K., San José R., Astitha M., Kallos G., Schaap M., Reimer E., Jakobs H., Eben K. A review of operational, regional-scale, chemical weather forecasting models in Europe // Atmos. Chem. Phys. 2012. V. 12, N 1. P. 1–87. DOI: 10.5194/acp-12-1-2012.
2. Нахаев М.И., Березин Е.В., Шалыгина И.Ю., Кузнецова И.Н., Коновалов И.Б., Блинов Д.В. Прогнозирование концентраций загрязняющих веществ в атмосфере с применением химической транспортной модели CHIMERE и модели COSMO-Ru7 // Труды Гидрометцентра России. 2015. Вып. 357. С. 146–164.
3. Кузнецова И.Н., Шалыгина И.Ю., Нахаев М.И., Ткачева Ю.В., Ривин Г.С., Кирсанов А.А., Борисов Д.В., Лезина Е.А. Система прогнозирования качества воздуха на основе химических транспортных моделей // Гидрометеоролог. исслед. и прогнозы. 2019. № 4 (374). С. 203–218.
4. Skamarock W.C., Klemp J.B., Dudhia J., Gill D., Barker D., Duda M., Huang X.-Y., Wang W., Powers J.G. Description of the Advanced Research WRF Version 3, NCAR Technical Note. DOI: 10.5065/D68S4MVH.
5. He C., Valayamkunnath P., Barlage M., Chen F., Gochis D., Cabell R., Schneider T., Rasmussen R., Niu G.-Y., Yang Z.-L., Niyogi D., Ek M. NCAR IS SPONSORED BY THE NSF, 2023: The community Noah–MP land surface modeling system technical description Version 5.0 No. NCAR/TN-575+STR. 284 p. DOI: 10.5065/ew8g-yr95.
6. Thompson G., Field P., Rasmussen R., Hall W. Explicit forecasts of winter precipitation using an improved bulk microphysics scheme. Part II: Implementation of a new snow parameterization // Mon. Weather Rev. 2008. V. 136. P. 5095–5115. DOI: 10.1175/ 2008MWR2387.1.
7. Iacono M.J., Delamere J.S., Mlawer E.J., Shephard M.W., Clough S.A., Collins W.D. Radiative forcing by long–lived greenhouse gases: Calculations with the AER radiative transfer models // J. Geophys. Res. 2008. V. 113. P. D13103. DOI: 10.1029/2008JD009944.
8. Park S., Bretherton C.S. A new moist turbulence parameterization in the Community Atmosphere Model // J. Clim. 2009. V. 22. P. 3422–3448. DOI: 10.1175/2008JCLI2556.1.
9. Jimenez P.A., Dudhia J., Gonzalez–Rouco J.F., Navarro J., Montavez J.P., Garcia–Bustamante E. A revised scheme for the WRF surface layer formulation // Mon. Weather Rev. 2012. V. 140. P. 898–918. DOI: 10.1175/MWR-D-11-00056.1.
10. Niu G.-Y., Yang Z.-L., Mitchell K.E., Chen F., Ek M.B., Barlage M., Kumar A., Manning K., Niyogi D., Rosero E., Tewari M., Xia Y. The community Noah land surface model with multiparameterization options (Noah–MP): 1. Model description and evaluation with local–scale measurements // J. Geophys. Res. 2011. V. 116. P. D12109. DOI: 10.1029/2010JD015139.
11. Yang Z.-L., Niu G.-Y., Mitchell K.E., Chen F., Ek M.B., Barlage M., Longuevergne L., Manning K., Niyogi D., Tewari M., Xia Y. The community Noah land surface model with Multiparameterization options (Noah–MP): 2. Evaluation over global river basins // J. Geophys. Res. 2011. V. 116. P. D12110. DOI: 10.1029/2010JD015140.
12. Grell G.A., Devenyi D. A generalized approach to parameterizing convection combining ensemble and data assimilation techniques // Geophys. Res. Lett. 2002. V. 29. P. 1693. DOI: 10.1029/2002GL015311.
13. Wesely M. Parameterization of surface resistances to gaseous dry deposition in regional-scale numerical models // Atmos. Environ. 1989. V. 23. P. 1293–1304.
14. Grell G.A. Prognostic evaluation of assumptions used by cumulus parameterizations // Mon. Weather Rev. 1993. V. 121. P. 764–787. DOI: 10.1175/1520-0493(1993)121<0764:PEOAUB>2.0.CO;2.
15. Emberson L.-D., Simpson D., Tuovinen J.-P., Ashmore M.-R., Cambridge H.-M. Towards a model of ozone deposition and stomatal uptake over Europe. Technical report, 2000. EMEP/MSC-W 2000.
16. Руководящий документ РД 52.27.724–2019 Наставление по краткосрочным прогнозам погоды общего назначения. М.: Типография АМА-ПРЕСС, 2019. 66 c.
17. Федеральный информационно-исследовательский центр Росгидромета. URL: https://www.feerc.ru/baikal/ru/monitoring/air/ask_overall (дата обращения: 02.02.2024).
18. Krasnopolsky V.M. The Application of Neural Networks in the Earth System Sciences: Neural Networks Emulations for Complex Multidimensional Mappings. Springer, 2013. 206 p. DOI: 10.1007/978-94-007-6073-8.
19. Быков Ф.Л. Статистическая коррекция прогнозов погоды по модели COSMO с помощью нейронных сетей // Метеорол. и гидрол. 2020. № 3. C. 5–20.
20. Кузнецова И.Н., Нахаев М.И., Кирсанов А.А., Борисов Д.В., Ткачева Ю.В., Ривин Г.С., Лезина Е.А. Тестирование и перспективы технологии прогнозирования загрязнения воздуха с применением химических транспортных моделей CHIMERE и COSMO-Ru2ART // Гидрометеорол. исслед. и прогнозы. 2022. № 4. С. 147–170. DOI: 10.37162/2618-9631-2022-4-6-29.